基于机器学习的预测质瘤分级

科学领域:

• 神经瘤学神经瘤学
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 质瘤是主要的中枢神经系统瘤,具有显著的异质性.
• 准确的质瘤分类对于治疗计划和预后至关重要.
• 对于分类质瘤的传统组织病理学存在主观性和复制性不佳的问题.

研究的目的:

• 开发一种机器学习 (ML) 模型,以改善早期质瘤分级.
• 整合临床和分子特征,以提高诊断准确度.
• 支持质瘤患者的个性化治疗策略.

主要方法:

• 利用癌症基因组图谱 (TCGA) 数据集用于模型开发.
• 使用递归特征消除 (RFE) 与随机森林 (RF) 和弹性净回归 (ENR) 进行特征选择.
• 应用合成少数群体过量采样技术 (SMOTE) 进行数据平衡,并使用超参数优化 (HPO) 优化各种ML算法.
• 使用投票和堆叠算法构建了34个集合学习模型.
• 在中国质瘤基因组图谱 (CGGA) 数据集上的所有模型都进行了外部验证.
• 进行了SHapley添加式解释 (SHAP) 分析以解释模型预测.

主要成果:

• 确定了11个关键分级特征,包括TP53和IDH1.
• 射频模型实现了0.916 (TCGA) 和0.797 (CGGA) 的曲线下面积 (AUC).
• 投票25组合模型 (RF,XGBoost,KNN) 实现了最佳性能,其AUC为0.928 (TCGA) 和0.794 (CGGA).

结论:

• 确定了11个关键特征,可以帮助分子检测和个性化质瘤治疗.
• 优化的ML模型,特别是射频模型,对未来的研究有希望.
• 集成RF,XGBoost和KNN的投票组合方法表现出卓越的准确性和稳定性.
• 对CGGA数据集的成功外部验证证实了开发的模型的通用性.